发布时间：2026-01-11 02:56:26 浏览：：
发布了《领跑人工智能竞赛：以技术扩散为核心的国家战略》（Running the Right Artificial Intelligence Race：A National Strategy for AI Diffusion）报告认为，当前正处在一个由人工智能技术驱动的全球竞争新时代。这场竞争不仅关乎技术创新，更关乎国家未来的经济竞争力与安全格局。然而，当前美国国家安全界普遍将竞争视为一场短跑——看谁先研发出具有“上帝般力量”的通用人工智能。这种观点忽视了人工智能作为一种通用技术的本质，以及其对经济与社会的全面渗透所需的时间与系统条件。本文主张，美国应将人工智能竞争重新定义为一场“人工智能扩散马拉松”，其胜负不在于谁先发明最先进的模型，而在于谁最能将人工智能技术广泛、深入地融入经济与军事的每一个角落。本报告旨在系统阐述人工智能扩散战略的理论基础、现实障碍及实施路径，并提出构建以扩散为导向的人工智能政策体系。
人工智能作为一种通用技术，其真正价值不在于技术的首次突破，而在于其在全社会范围内的广泛应用与深度融合。历史上每一次通用技术的革命——如电力、蒸汽机、计算机——都表明，技术从发明到全面推动生产力提升，往往需要数十年时间，期间必须伴随组织重组、技能普及、制度适配等互补性创新。电力在美国的普及历时四十年，直到工厂布局重组、蒸汽轮机普及之后，才真正带来生产力的飞跃。人工智能亦然。
当前，美国政策界弥漫着一种“通用人工智能冲刺焦虑”，即认为谁先研发出通用人工智能，谁就将获得不可逆转的战略优势。然而，这种观点忽略了两个关键现实：第一，人工智能模型的能力与其实际应用之间存在巨大鸿沟；第二，技术的扩散过程本身就是一个创新过程，涉及数据整合、流程优化、人力培训等多重挑战。
即便人工智能具备自我改进的潜力，其发展仍受制于数据瓶颈、算力成本、社会接受度等多重因素。计算机科学家Kapoor与Narayanan指出，人工智能研究本身存在“社会性瓶颈”，例如数据收集的现实限制、计算资源的稀缺、以及科研方向的群体跟风等现象，这些都制约着技术的无限加速。因此，将人工智能竞争简化为“模型能力竞赛”，是对技术演进规律的误读，也是对国家安全战略的误导。
一项以扩散为导向的人工智能战略，其核心目标是构建一个支持技术广泛传播与深度融合的生态系统。这需要从供给侧与需求侧双管齐下，并通过制度建设与资金投入予以保障。
人工智能扩散的基础设施包括硬件、软件、数据、标准与人才。其中，技能基础设施尤为关键。美国亟需通过大规模职业技能培训，扩大人工智能工程人才的基数。这不仅包括培养顶尖的人工智能科学家，更包括通过社区学院、职业证书项目、企业培训等途径，培育一大批能够在中小型企业、工厂、农场、医院等场景中实施人工智能技术的工程师与技术人员。数据科学与机器学习证书项目正在成为人才供给的重要渠道，其灵活性与实用性有助于快速填补人才缺口。
此外，云计算与数据标准化也是扩散的关键支撑。目前，大型云服务商倾向于构建封闭的平台能力，而非推动整个云计算生态的标准化与互操作性。美国政府应通过政策引导，推动建立开放、互操作的数据与云平台标准，从而降低中小企业使用人工智能的门槛，促进技术在不同行业间的流动与应用。
有效的人工智能扩散政策需同时拉动需求与供给。需求侧政策包括政府采购中优先采用人工智能解决方案、设立人工智能应用示范项目、提供税收优惠鼓励企业人工智能改造等。供给侧政策则包括支持“技术扩散机构”的建设，例如设立外勤服务团队与应用技术中心，深入地方企业，提供人工智能技术咨询与实施支持。
这些机构的作用类似于美国农业推广体系中的“县级代理”，它们将前沿技术转化为可操作的地方实践，是连接创新中心与应用末梢的关键纽带。
2022年通过的《芯片与科学法案》是美国几十年来最具雄心的科技立法。尽管公众注意力多集中于半导体制造补贴，但该法案中关于STEM劳动力发展的条款才是人工智能扩散战略的核心支撑。该部分授权资金高达约360亿美元，旨在扩大科学、技术、工程与数学教育规模，提升全民数字素养。
然而，当前授权资金与实际拨款之间存在巨大缺口。布鲁金斯学会报告指出，2023财年美国国家科学基金会的STEM教育资金比授权水平短缺6亿美元，2024财年预算请求中短缺11亿美元。类似地，美国“科技中心计划”在2023年仅获得其授权资金的四分之一。这种“纸上投资”与“实际投资”的脱节，严重制约了美国在人工智能扩散马拉松中的竞争力。美国的政策制定者必须优先确保这些条款得到全额、及时的资金落实。
首要障碍是文化上的“创新中心主义”。社会普遍崇拜那些创造突破性技术的“英雄式发明家”，而忽视了那些默默推动技术落地、优化系统流程的工程师与维护者。这种文化偏见渗透至政策分析、媒体叙事与资源分配中，导致扩散工作长期被边缘化。
其次，扩散战略的利益分配高度分散，其受益者是成千上万的中小企业、地方工厂、普通劳动者等，难以形成统一的政治游说力量。相比之下，聚焦于前沿创新的政策往往被少数大型科技公司或研究机构所“俘获”，这些主体更有能力动员资源、影响立法。在《芯片与科学法案》的实施中，“芯片”部分因利益集中而推进迅速，而惠及更广的STEM教育条款却因支持者分散而进展缓慢。
此外，移民政策的短期安全化倾向也阻碍了美国获取全球人工智能工程人才。出于对技术泄露的担忧，美国对来自中国等国的国际学生与学者施加了严格限制。历史上，英国在工业革命时期也曾试图禁止技术工人外流，但最终失败，因为“机械师成群结队地离开国家”。任何国家都无法垄断通用技术的基础创新，限制人才流动反而会削弱自身在技术扩散中的整合能力。美日计算机竞争的案例表明，美国之所以最终胜出，正是因为它吸引了全球范围内的软件工程人才，构建了从基础创新到标准化实施的完整人才链。
人工智能竞争不是一场百米冲刺，而是一场考验耐力、系统性与包容性的马拉松。美国若继续以“通用人工智能冲刺”为战略导向，不仅将资源过度集中于少数尖端项目，更将忽视技术在经济与社会中扎根所需的长期投资。正如短跑运动员的肌肉结构不适合长跑，为错误类型的比赛训练，只会导致在真正的竞争中落后。
美国必须尽快将政策重心从“追求模型突破”转向“推动技术扩散”。这需要三大支柱行动：第一，构建以技能基础设施、数据标准化与云平台互操作性为核心的技术扩散生态；第二，确保《芯片与科学法案》中STEM教育条款的全面资金落实，扩大人工智能工程人才基数；第三，改革移民与人才政策，吸引并留住全球范围内的人工智能实施人才，而非仅仅追求顶级研究者。
最终，一场正确的人工智能竞赛，不是看谁先跑到那个虚幻的“通用人工智能终点线”，而是看哪个国家最能将人工智能转化为全民的生产力、全社会的韧性、与全经济的竞争力。这场马拉松容易开始，却难以坚持。但正因为困难，才更值得全力以赴。返回搜狐，查看更多